Resposta direta
Erros comuns com correlação de pares geralmente vêm de confundir “como duas séries de preços/retornos se movem juntas” com “uma relação de negociação confiável.” A correlação de pares é uma estatística descritiva para dados históricos. Quando as pessoas a tratam como preditiva, assumem que a relação persistirá ou a calculam com entradas inconsistentes (prazos diferentes, definições de retorno ou escolhas de limpeza de dados), podem chegar a conclusões enganosas.
Mecanismo ou definição
A correlação de pares normalmente se refere a um coeficiente de correlação calculado entre duas séries temporais—na maioria das vezes, retornos de dois pares de moedas (ou duas séries de preços derivadas).
Componentes-chave:
- As duas séries devem ser definidas de forma consistente. Decida o que você correlaciona (preços vs retornos) e como você calcula os retornos (ex.: retornos simples vs logarítmicos). Correlacionar preços brutos geralmente produz resultados instáveis porque os preços têm tendência; os retornos são geralmente a escolha mais interpretável.
- Uma janela de tempo deve ser escolhida. A correlação reflete o período histórico escolhido. Um valor calculado em uma janela pode diferir materialmente de outro.
- A correlação é adimensional e simétrica, mas a interpretação é limitada. Uma magnitude maior indica uma co-movimentação linear mais forte naquele período; ela não especifica causalidade, direção futura ou se a relação é estável.
Uma maneira prática de pensar sobre isso: a correlação resume se os movimentos na série A tendem a coincidir com os movimentos na série B dentro da amostra selecionada.
Evidência ou exemplo
Aqui estão os mal-entendidos comuns e o que dá errado.
-
Erro: Tratar a correlação como um sinal. Se você calcular a correlação de pares e concluir que um par “seguirá” o outro, você está implicitamente convertendo uma medida de similaridade histórica em uma previsão. A correlação não codifica dinâmicas prospectivas por si só.
-
Erro: Misturar entradas (definição de retorno, frequência de amostragem ou alinhamento temporal). As premissas de exemplo importam: suponha que uma série use retornos logarítmicos por hora enquanto a outra use retornos simples por minuto, ou que os carimbos de data/hora não estejam alinhados. O resultado da correlação pode refletir essas inconsistências em vez de qualquer co-movimentação real.
-
Erro: Usar a abordagem errada de limpeza de dados. Se observações ausentes forem tratadas de forma diferente entre as séries—como descartar carimbos de data/hora em uma série, mas preencher lacunas em outra—então o conjunto de dados pareado muda. A correlação pode mudar simplesmente porque você alterou a amostra.
-
Erro: Confiar demais em um único número. Um único coeficiente de correlação pode esconder comportamento variável. Por exemplo, a correlação pode ser moderada no geral, mas alta apenas durante certas condições de mercado.
-
Erro: Ignorar a questão da estabilidade. Mesmo que dois pares tenham sido correlacionados durante um regime anterior, mudanças estruturais (mudanças na volatilidade, mudanças na liquidez, diferentes sensibilidades macro) podem enfraquecer ou inverter a co-movimentação.
Limitações e riscos
Limitações materiais e modos de falha a ter em mente:
- A correlação é descritiva, não preditiva. Ela resume a co-movimentação histórica dentro da janela escolhida; relações futuras podem ser diferentes.
- Sensibilidade apenas a relações lineares. A correlação padrão mede associação linear. Duas séries podem ter dependência não linear que a correlação não captura.
- Dependência de regime. A correlação frequentemente muda quando a volatilidade, os spreads ou os padrões de participação no mercado mudam. Isso é especialmente relevante quando você aplica o número a um ambiente diferente posteriormente.
- Sensibilidade à janela e a valores atípicos. Janelas curtas podem produzir estimativas instáveis; algumas observações extremas podem influenciar desproporcionalmente o resultado.
- Custos e execução não estão incluídos. A correlação não considera custos de transação, derrapagem ou timing de execução. Qualquer decisão baseada apenas na correlação ignora esses atritos do mundo real.
Verificação ou próxima pergunta
Para verificar alegações de correlação de pares de forma neutra, use uma lista de verificação de “consistência e estresse”:
- Recalcule com entradas consistentes. Use a mesma definição de retorno, frequência de amostragem e carimbos de data/hora alinhados para ambas as séries.
- Mude a janela e compare a estabilidade. Calcule a correlação em múltiplas janelas (ex.: amostras anteriores vs posteriores) para ver se a estimativa é persistente ou frágil.
- Verifique a robustez à limpeza. Aplique uma regra consistente de dados ausentes para ambas as séries e observe o quanto a correlação muda.
- Separe os regimes conceitualmente. Se a correlação muda quando a volatilidade muda, trate isso como informação sobre dependência de regime, em vez de uma relação estável.
- Pergunte o que o número não responde. A correlação não estabelece causalidade, não garante continuidade e não confirma direção futura.
Uma próxima pergunta útil: “Qual série exata, transformações e definição de janela produziram esse valor de correlação?” Se você não puder declarar essas escolhas com precisão, não poderá verificar o resultado de forma independente.